飞机在运行过程中容易出现多种缺陷和损伤,其中飞机机身蜂窝等结构遇积水/结冰情况会导致巨大安全隐患。红外无损检测方法在检测结构内部缺陷上具有相当大优势,可在图像采集的过程中,由于设备质量与环境等因素会产生大量噪声,热激励提供的热量不均匀,导致检测出的缺陷不清晰、完整,加大了机身维护的困难程度。再者,目前的红外图像处理还需要人为干预才能完成分割操作,并且分割结果的准确性、连续性不能满足实际需要,亟需一种能快速精准识别的检测方法满足工程应用。本文结合红外热像技术,选用闪光灯及热风枪等热激励设备对无损试件进行加热,通过比较分析采集的红外图像,发现矩阵式U型闪光灯作为热激励设备的均匀性最高。为研究蜂窝蒙皮积水/积冰缺陷,参考波音767航空无损手册等关于热成像检测蜂窝结构零件检查方法,制作了不同规格碳纤维的积水/积冰缺陷蜂窝蒙皮试件;同时针对热像仪采集的红外图像,分析比较了多种图像降噪方法,发现形态学滤波是本实验最为行之有效的方法。其次,本文通过对比多种传统边缘检测算子的检测效果,分析传统边缘检测算子的缺陷,提出了一种基于数学形态学滤波及Otsu算法的改进的Canny边缘算子检测算法。Matlab仿真实验结果表明:改进后的Canny边缘算法可以较好地消除背景噪声对目标信息的干扰,减少伪边缘的存在,一定程度上改善了正确检出率CDR、误检率FDR、时效性等客观指标,是一种实用有效的分割算法。最后,本文利用红外序列图多项式数据拟合方法,根据不同材料的热物性属性所表现出来的灰度值(温度)的不同变化率定性确定蜂窝蒙皮积水/积冰缺陷类型;同时进行积水/积冰的定量分析,将Canny算法与区域生长法进行结合,自动寻找缺陷区域种子点,优化生长准则与停止生长条件,改善自适应性及分割效果,确定了缺陷面积以及缺陷格数。最终结果表明,本文所述方法相对比传统分割方法检测精度有了一定提升,算法的自适应性有所改善,可为后续维修方案提供参考。